介绍

图像分类是按照预先确定的原则对图像内的像素组进行分类和识别的过程。芯片解密在创建分类规则时使用一种或多种光谱或文本质量是可行的。两种流行的分类技术是“有监督的”和“无监督的”。

 

图像分类如何工作？

使用标记的样本照片，芯片解密训练模型以检测目标类别（要在图像中识别的对象）。监督学习的一个例子是图像分类。原始像素数据是早期计算机视觉算法的唯一输入。

然而，芯片解密单独的像素数据并不能提供足够一致的表示来包含图像中表示的项目的许多振荡。对象的位置、其背景、环境照明、相机角度和相机焦距都会影响原始像素数据。

传统的计算机视觉模型添加了源自像素数据的新组件，例如纹理、颜色直方图和形状，以更灵活地对对象进行建模。这种方法的缺点是特征工程变得非常耗时，因为需要更改大量输入。

哪些色调对猫的分类至关重要？芯片解密形状的定义应该有多灵活？由于特征必须精确地调整，因此很难创建稳健的模型。

训练图像分类模型

本教程使用了一个基本的机器学习工作流程：

· 分析数据集

· 创建输入管道

· 建立模型

· 训练模型

· 分析模型

设置和导入 TensorFlow 和其他库

import itertools

import os

import matplotlib．pylab as plt

import numpy as np

import tensorflow as tf

import tensorflow＿hub as hub